卷积的意义

  最近在看数字图像处理技术,看到一些图像通过高斯模糊的数学表示是卷积运算,对卷积运算总是感觉理解不够,今天在《数字图像处理:技术详解与Visual c++实践》这本书里找到了更为通俗的解释,节选如下。

  ......想计算一下,此时此刻,我们肚子里还剩下多少食物。腹中食物的残量与我们进食的情况f(t)(t表示进食时间,f(t)表示在t时刻的进食量)和我们肠胃的消化能力g(t)(表示单位进食量经过t时刻后的残余量)有关。假设当前时间是夜里24点,我们想计算一下早上7点吃下去的食物还剩多少,显然已经过去17个小时,所以早上7点吃下去的食物量f(7)在夜里24点时剩余的量应该是f(7)*g(24-7);12点进的食的剩余的量为f(12)g(24-12);17点进的食的剩余量为f(17)g(24-17),把这三者加起来便是你一天三顿饭在24点时的剩余量。所以f(t)g(a-t)表示在t时刻查下去的食物在a时刻的消化情况,那么我们对t做积分便可以表示把过去某时刻到当前时间内所有进食情况对此时此刻腹中食物残量积累情况的和,也就得出了

这不就是f(t)*g(t)的结果吗。

  现在再从信号系统的角度看,这个公式里,我们的目的是求a时刻的输出,它应该由a时刻及之前的所有输出乘以相应的衰减系数后的一个累积和。f(t)dt可以理解为在t时刻的冲激函数的强度。即从t时刻开始,初值为f(t)dt的函数,从t到a,衰减系数为g(a-t),那么到了a时刻残余量为f(t)h(a-t)dt.得到了单个冲激函数在a时刻的残余后,做一次积分,所有残余量加起来就得到a时刻的总的输出了。这本书讲的真是通俗易懂了,比教科书好多了,果然高手在民间。

时间: 2024-10-11 21:32:02

卷积的意义的相关文章

数字信号处理--卷积的意义

这个其实非常简单的概念,国内的大多数教材却没有讲透. 直接看图,不信看不懂.以离散信号为例,连续信号同理. 已知 已知 下面通过演示求的过程,揭示卷积的物理意义. 第一步,乘以并平移到位置0: 第二步,乘以并平移到位置1: 第三步,乘以并平移到位置2: 最后,把上面三个图叠加,就得到了: 简单吧?无非是平移(没有反褶!).叠加. ==================================================== 从这里,可以看到卷积的重要的物理意义是:一个函数(如:单位响应

对卷积物理意义的理解

橘一个例子. 假设有一个人一直扇你巴掌,不考虑脸被扇麻痹了没感觉,不考虑你火大扇回去之类的干扰,求在t时刻感受到的疼痛程度Y(t)的值.这个Y(t)的值跟两个值有关. f(x)表示在x时刻扇巴掌的力度,x是某一时刻值 h(y)表示是某一巴掌在y分钟过分的疼痛程度(疼痛感会衰减) 在t时刻感受到的疼痛是包括之前所有巴掌的造成的疼痛感.因此要计算Y(t),就必须先算出在[0,t]这个时间内的任一时刻扇的一巴掌在t时刻能造成的疼痛. 也就是t时刻的巴掌力度 f(τ) 乘以 过了t-τ 分钟后的疼痛程度

卷积的物理意义

原文链接:http://www.cnblogs.com/ylhome/archive/2010/01/07/1641121.html 卷积这个东东是“信号与系统”中论述系统对输入信号的响应而提出的.因为是对模拟信号论述的,所以常常带有繁琐的算术推倒,很简单的问题的本质常常就被一大堆公式淹没了,那么卷积究竟物理意义怎么样呢? 卷积表示为y(n) = x(n)*h(n).使用离散数列来理解卷积会更形象一点,我们把y(n)的序列表示成y(0),y(1),y(2) and so on; 这是系统响应出来

[综] 卷积的物理意义

卷积的物理意义是什么? https://www.zhihu.com/question/21686447?nr=1 果程C 他夏了夏天 1740 人赞同了该回答 对于初学者,我推荐用复利的例子来理解卷积可能更直观一些: 小明存入100元钱,年利率是5%,按复利计算(即将每一年所获利息加入本金,以计算下一年的利息),那么在五年之后他能拿到的钱数是,如下表所示:将这笔钱存入银行的一年之后,小明又往银行中存入了100元钱,年利率仍为5%,那么这笔钱按复利计算,到了第五年,将收回的钱数是,我们将这一结果作

喝酒游戏,概率分布和卷积

喝酒游戏,概率分布和卷积 我对能算概率的东西一向情有独钟,包括喝酒时候的一个小小游戏. 桌子上放个公杯,一桌人轮流摇骰子,一次摇两个. 如果两个骰子结果数字和Y不是{7,8,9}中的任何一个,此玩家算过,不用喝,到下一个人摇: 但是如果Y=7,该玩家向公杯中随意倒酒,可多可少,并继续摇:如果Y=8,公杯的酒喝一半,继续摇:如果Y=9,哈哈,那惨了,全喝,继续摇. 我上大学的时候,同学们把这个游戏亲切地称为“789”. 显然,游戏的参与者会很关心两个骰子数字(设为X1和X2)和是7,8或9的概率.

通俗易懂理解卷积

卷积公式: 理解方式一:实例 链接:https://www.zhihu.com/question/22298352/answer/50940942 对于初学者,我推荐用复利的例子来理解卷积可能更好理解一些: 小明存入100元钱,年利率是5%,按复利计算(即将每一年所获利息加入本金,以计算下一年的利息),那么在五年之后他能拿到的钱数是 ,如下表所示: 将这笔钱存入银行的一年之后,小明又往银行中存入了100元钱,年利率仍为5%,那么这笔钱按复利计算,到了第五年,将收回的钱数是 ,我们将这一结果作为新

【TensorFlow实战】TensorFlow实现经典卷积神经网络之VGGNet

VGGNet VGGNet是牛津大学计算机视觉组与Google DeepMind公司的研究员一起研发的深度卷积神经网络.VGGNet探索了卷积神经网络的深度与其性能之间的关系,通过反复堆叠3*3的小型卷积核核2*2的最大池化层,VGGNet成功地构建了16~19层的卷积神经网络.VGGNet相比于之前state-of-the-art网络结构,错误率大幅下降,并取得了ILSVRC 2014比赛分类项目的第二名和定位项目的第一名.VGGNet的结构非常简洁,整个网络都是使用了同样大小的卷积尺寸3*3

深度学习经典卷积神经网络之VGGNet

VGGNet是牛津大学计算机视觉组(VisualGeometry Group)和GoogleDeepMind公司的研究员一起研发的的深度卷积神经网络.VGGNet探索了卷积神经网络的深度与其性能之间的关系,通过反复堆叠3*3的小型卷积核和2*2的最大池化层,VGGNet成功地构筑了16~19层深的卷积神经网络.VGGNet相比之前state-of-the-art的网络结构,错误率大幅下降,并取得了ILSVRC 2014比赛分类项目的第2名和定位项目的第1名.同时VGGNet的拓展性很强,迁移到其

常见shader原理及实现(二)模糊

卷积,滤波,线性时不变系统……事实证明,图像处理和信号系统两门课都还给了老师 -__- 在图像处理中卷积的意义,嗯……很复杂,姑且理解为加权平均运算吧:把一个点的像素值用它周围的点的像素值的加权平均代替. 下面介绍的高斯模糊计算方式便用到卷积,其卷积内核为 1 4 7 4 1 4 16 26 16 4 7 26 41 26 7 4 16 26 16 4 1 4 7 4 1 每个像素点周围5X5点按次矩阵加权平均即得输出值. Fragment Shader见下: varying vec2 uv;